刘玲玲，颜王吉，李 丹，任伟新，秦 超

(1.合肥工业大学土木与水利工程学院，合肥230009；2.澳门大学智慧城市物联网国家重点实验室，澳门999078；3.澳门大学土木与环境工程系，澳门999078 4.深圳大学土木与交通工程学院，广东深圳518060)

模态参数识别是结构状态评估、有限元模型修正和损伤识别的基础[1]。环境激励下的模态参数识别方法具有无需贵重的激励设备、不影响结构的正常使用等特点，被广泛应用于工程实践中，主要分为时域法、频域法和时频域法等。其中，时域法主要有随机子空间法（SSI）、随机减量技术与特征系统实现算法的联合方法[2]和极点对称模态分解方法[3]等，频域法有频域分解法和振动响应传递比方法[4]等。

自然环境条件下桥梁结构的动力响应测试数据具有幅值小和随机性强的特点。与测试噪声及计算模型等因素有关的不确定性影响广泛存在于参数识别问题中[5-7]。因此，有必要在模态参数识别过程中考虑不确定性的影响。近年来，基于概率统计分析原理的贝叶斯理论在模态参数识别领域发挥了重要作用[8]。例如，Yuen和Katafygiotis[9]提出了基于贝叶斯模态参数识别的FFT 驱动方法，将模态域的结构模型嵌入到贝叶斯系统识别框架中，可识别出频率、阻尼比、振型等参数的最优值并量化其不确定性。贝叶斯FFT方法具有严格的理论推导，然而，其需要识别的参数过多，计算量巨大，不能直接应用于工程实际。为解决这一问题，Au[10]提出了快速贝叶斯FFT 方法，利用矩阵论和函数优化理论相关方法极大地降低了贝叶斯FFT方法对于优化和计算协方差矩阵的难度；……